你好教授……
谢谢你的代码。
代码可以用于设备控制?如何生成模型金宝app

把

嗨Masayuki田中,训练与英国石油(BP)款的时候,你的工具箱需要深度学习在Matlab工具箱或墨西哥人文件吗?谢谢!

你好,我需要安装神经网络工具箱训练AlexNet和深度学习工具箱以前但是我有这个问题“某插件是暂时不可用。”你能帮我请我如何安装它,谢谢!

嗨,阳光NEGI,
我不确定它是有效的。但是,当然,你可以试一试。

你好先生,我们能不能用款基于EMG信号分类应用程序?

亲爱的先生(Masayuki田中
我想用你的好的鳕鱼降维。如果可以请帮助我

问候

你好教授,
谢谢你的代码。
当我训练cnn超过20个图片一样,我得到以下错误。

指数超过矩阵维度。

错误pretrainRBM(第125行)
vis0 =双(V(绑定,:));%设置可见节点的值

错误pretrainDBN(25)行
dbn。遏制{我}= pretrainRBM (dbn。遏制{},X,选择);

错误mainm(第85行)
选择dnnm = pretrainDBN(款)

请帮我解决它,先生。
谢谢提前

亲爱的龟田,

谢谢你很多的工作,我工作在滚珠轴承凯斯西储大学的测试数据。我把数据与1200年的大小窗口和分别得到500个训练样本和测试样本。使用randDBN(节点,“GBDBN”);但CalcErrorRate测试数据是80%。我找不到这个问题。你有任何评论吗?谢谢!

亲爱的教授
谢谢你的代码。我怎么使用这段代码实现回归?

我有错误在运行脚本时“testDNN”。
错误信息:
着干活“输出参数(或者其他人)不是分配在调用“h2v”。“

错误pretrainRBM(第195行)
遏制vis1 = h2v bhid0);%计算可见节点

错误pretrainDBN(第88行)
dbn。遏制{我}= pretrainRBM (dbn。遏制{},X,选择);

错误testDNN(21)行
选择= pretrainDBN款(款);

发生什么事情了?

由于prof.the应用程序得到的特征用于分类器,请建议,

嗨,萨利赫银行,

我认为修改强烈取决于应用程序。

谢谢,

谢谢你的工作,我从事超声波图像,选择我所需要的是训练功能使用深层信念网络然后得到潜在的特性让说最后隐层,然后分类图片,我该怎么修改这个代码?

你好教授,
谢谢你的代码。我已经将代码用于语音识别。我的数据库包含17个语音信号即。,17个单词。每个信号都有2880 * 12的特点。所以我修改一些行代码中根据我的输入如下:
datanum = 2880;
outputnum = 17;
hiddennum = 8;
inputnum = 4;

inputdata =兰德(datanum inputnum);
outputdata =兰德(datanum outputnum);

dbn = randDBN ([inputnum, hiddennum outputnum]);
dbn = pretrainDBN (dbn, inputdata);
dbn = SetLinearMapping (dbn, inputdata outputdata);
dbn = trainDBN (dbn, inputdata outputdata);

估计= v2h (dbn, inputdata);
我已经获得的结果2880 * 17。从这个2880 * 17,列如1、3、7、8、12、14、15所示的二元价值1。剩余的列显示复杂的值。我不明白这个输出,也我不知道如何测试数据和如何进行比较?请帮我解决这个问题。提前谢谢。

嗨,龟田我已经下载了这些文件,他们也包含Zip文件的编码和工具箱。
我如何使用matlab工具箱你给我们2017 ?我已经尝试粘贴在一个文件夹但不工作。

你好!
我修改这个代码做线性回归实验。
pretrainDBN后,拟合效果更好;但是下一步trainDBN之后,回归拟合结果是错误的?为什么?
的问候!

非常感谢!

嗨,燕,

我认为数据的归一化是非常重要的。
你可以与大型规范化数据值。

谢谢,

你好!
当输入数据相对较少,效果好;
相反,当输入数据较大,它从一开始就收敛吗?
的问候!

嗨,燕,

我认为这取决于初始重量和训练数据。

谢谢,

你好!
为什么迭代结果保持不变?
的问候!

你好
我使用这个代码分类数据。但我困惑如何使用这个变量在testDNN函数。还我不了解rmse意味着什么。请请帮助!
请回复这个评论如果有人有一些想法。

你好
我使用这个代码分类数据。但我困惑如何使用这个变量在testDNN函数。还我不了解rmse意味着什么。请请帮助!

很好!

大家好,我想正常数据的分类三列成两个或三个类。这些数据包括三个列和2000行,其代表电脑网络流量。我做了模糊,但想使用深度学习。我试过这些工具包,但不是为我工作。任何帮助吗?分类是计算机网络数据分为两类可能使用深度学习神经网络?我应该使用工具箱是什么?
致以最亲切的问候

我的工具箱不包括transposedConv2dLayer。
谢谢,

transposedConv2dLayer不是为我工作? ?
未定义的函数或变量“transposedConv2dLayer”。
你认为什么问题? ?

我想知道,我怎样才能在线处理工具箱吗?
我很感激如果你能提供给我一个例子。
问候
阿明

你好
谢谢你的令人印象深刻的代码和支持。金宝app
我怎么能基于权值计算精度?
问候
阿明

谢谢你！
我想知道我应该训练和测试数据,我的数据文件。
你正在采取一些随机数

你好,谢谢你这段代码。你能给一个例子如何使用DBN的特征提取和分类?。如果我有脑电图数据,包括23个频道,我需要使用DBN特征提取,所以我应该美联储数据网络的输入的数量是23日,和我们说3隐藏节点,最后最后美联储数据和标签分类脑电图信号分为两类。请帮助!

龟田田中,你好
谢谢你的完美的代码。
我想用你的代码在无人监督的目的。正如你所说我使用PretrainDBN和添加数据集(MovieLens 100 k)。我把outputnum 2。因为我想让这段代码集群数据4集群(我想输出二进制格式,将4集群)。
但不幸的是,运行代码后,它将把所有的数据到一个集群! !(754 * 2的结果格式和所有的值是0.99)。
你能帮我吗?

嗨,谁能帮助。训练和测试模型后,我不能画出混淆矩阵因为我从测试的输出是复杂的价值。我不确定要做什么?请帮忙吗?我们如何评估模型分类的准确性。

你好,龟田田中

我使用你的代码进行分类划分基于CT图像。的训练示例代码,我在数据集运行是整个数据集分布到16的补丁。我用下面的代码

节点= (10 784 800 800);%就是例子!
bbdbn = randDBN(节点,“bbdbn”);
nrbm =元素个数(bbdbn.rbm);

选择。马克斯Iter = 500;
选择。BatchSize = 50;
选择。Verbose = true;
选择。StepRatio = 0.1;
选择。对象=“CrossEntropy”;

选择。层= nrbm-1;
bbdbn = pretrainDBN (bbdbn数据集,选择);
bbdbn = SetLinearMapping (bbdbn、数据集、标签);

选择。层= 0;
bbdbn = trainDBN (bbdbn,标签数据集,选择);

保存(mnistbbdbn。席”、“bbdbn”);

,我发现以下错误

错误使用*
内部矩阵维度必须一致。

错误v2h(43行)
H =乙状结肠(bsxfun (@plus V *款。W,款。b));

错误pretrainRBM(第187行)
遏制hid0 = v2h vis0);%计算隐藏节点

错误pretrainDBN(第88行)
dbn。遏制{我}= pretrainRBM (dbn。遏制{},X,选择);

错误Untitled(12)行
bbdbn = pretrainDBN (bbdbn数据集,选择);

请帮助。谢谢

大家好,谁能帮助我了解如何使用DBN使检测到的心电信号特征提取和分类。这段代码可以用来使检测到的心电信号特征提取和分类。请帮助! ! ! ! ! ! !

每一个地狱!

我如何安装与cnn MatConvnet库执行语义分割。主要是感谢你的帮助。

嗨,布兰特,
它不使用神经网络工具箱。
这个工具盒不同于神经网络工具箱

谢谢,

这是建立在神经网络工具箱吗?还是要补充吗?或替换它吗?

你好阿卜杜阿齐兹,
我认为你可以得到的任何隐层输出“大厅”。

谢谢。

亲爱的龟田,

谢谢你很多的工作,清洁和组织代码,并帮助我的学术研究。小问题,是否可以提取一个隐层的输出?我想修改“trainDBN”返回“大厅”对象,以检索输出。

再次感谢。

请澄清setlinearmapping的使用。它是如何改善学习过程?也支持我一金宝app些参考。

嗨,你的事迹,
相关的论文之一
山下先生等人,“伯努利或高斯,限制了玻耳兹曼机,“ICPR 2014。
你可以找到的pdf
http://mprg.jp/en/publications/?y=2014

谢谢,

嗨,有可能实现这个时间序列建模?

嗨,龟田!你能分享GBDBN的参考文件和setlinearmapping已经实现。

很好!

先生我想让这个工具箱feutures测试我的形象,我保存在文件中。垫我能做到这一点,如何,请和我能改变什么

如何插入我的形象特征在这吗

嗨,龟田
我需要用款承认亚述文本能奏效

嗨嗨,龟田

你好先生,
我可以用语音信号给定的代码吗
我试过但是我不能了解疟疾。w, b, c系数。你能请告诉我我怎样才能利用它们。

为什么我不能测试MNIST数据?

这是输出

> > testMNIST

输出参数“着干活”(或者其他人)不是分配在调用“h2v”。

错误pretrainRBM(第195行)
遏制vis1 = h2v bhid0);%计算可见节点

错误pretrainDBN(第88行)
dbn。遏制{我}= pretrainRBM (dbn。遏制{},X,选择);

错误trainMNIST(49行)
bbdbn = pretrainDBN (bbdbn TrainImages,选择);

testMNIST误差

谢谢。

谢谢你的代码,我有一个问题关于估计(提供的示例中),您的代码。我相信这是输出的预测使用v2h函数(计算),这不是将大致接近输出?值,估计是给在输出值。
谢谢

嗨,与这段代码中,任何一个人能帮我,我怎么能使用这个模型在仿真软件。金宝app

嗨Masayuki田中,祝贺你对于这个神奇的工具箱,你使它很容易理解,多谢你让它开放。
我检查了代码,因为东西不工作时试图重现MNIST例子,和同样的错误发现Giacomo早在2014年9月10日报道,选择。对象中没有大写trainMNIST线46。m文件的检查和选择。对象存在排队trainDBM 128 & 129。m文件,这让我不知道也许你上传一个老版本的代码,不管怎样,请让我知道如果我错了……请注意,我叫DeepNeuralNetwork20160805.zip . zip文件下载

的问候。

丹尼尔

谢谢你的代码,我相信您的代码只适用于分类问题,我试图让它回归问题。但是,它没有。让我知道它是否可以通过一些修改为回归工作任务?

嗨,龟田

我是新的神经网络。我只是靠使用神经网络来预测“连续结果变量(目标)”。我想知道深层神经网络可以用于预测一个连续的结果变量。例如,如果我的目标变量是连续测量身体脂肪。我试着神经网络工具箱对预测结果。我想使用深层神经网络来提高性能。

谢谢!

乐

嗨,龟田,

我是新到整个神经网络和matlab。

我想知道它可以使用正常的神经网络(不是DBN)与辍学数值数据集(不是一个图像)。

我有下载的zip文件。我能看到有一些例子MNIST数据集当我想过如何改变它用自己的数据,我感到困惑和不工作。

谢谢你！

恩佐Oestanto

嗨,龟田,

我想知道:你怎么设置
+ opts.MaxIter
+ opts.Batchsize
+ opts.StepRatio
+和其他可能
pretrainDBN和trainDBN MNIST实验你跑ICPR2014纸吗?

他们是不同的或相同的1000在这两种情况下的例子trainMNIST……在这里,唯一的选择。层已经被替代吗?

一些细节的设置将会非常有帮助。我们认为这段代码重用一个数据可视化的任务。

谢谢,
马丁

嗨,翟,

你可以试一试!

谢谢,

亲爱的先生,
请让我知道这是否工具箱可以用于回归。
我的笔记本电脑有AMD的司机。
请确认是否可以使用它没有GPU的机器上使用一个小数据集。

问候,

这可以用于并行集群?像一个parfor ?任何试图使其集群准备好了吗?

Mac R2016a:

> > testDNN
输出参数“着干活”(或者其他人)不是分配在调用“h2v”。

错误pretrainRBM(第195行)
遏制vis1 = h2v bhid0);%计算可见节点

错误pretrainDBN(第88行)
dbn。遏制{我}= pretrainRBM (dbn。遏制{},X,选择);

错误testDNN(21)行
选择= pretrainDBN款(款);

HiBruno Brentan,

您可以使用连续数据。

谢谢,

这就跟你问声好！
我想知道输入数据。
只是它可以使用连续的数据或二进制数据作为输入?

龟田田中,亲爱的,
谢谢你的这个工作,
我感兴趣这个包是否可以用于回归?
谢谢。

嗨,龟田,

所有指导状态,没有解释:)。但是如果有“足够”单位比添加激活(即。:概率)的平均值接近二进制的平均和激活(较大的单位平均的数量更多的“稳定”/精确的事)你所犯的错误意思是越来越小。如果我看到这个正确。
谢谢

嗨Laszio,

您可以使用概率作为采样值。

谢谢,

嗨,龟田,

对我来说似乎在第二步的GS (pretrainRBM)你的激活值vis1和基于calc hid1状态(激活)。但这是喜欢,而不是接管平均σ(W),σ(0):P (v = = 1) *σ(W) + P (v = = 0) *σ(0)你把σ(P (v = = 1) * W + P (v = = 0) * 0),这两个是不同的(这里是我放弃了偏见为简单起见)。你能澄清这一点吗?
谢谢

嗨,龟田

谢谢你分享你的工作,
我很高兴,如果你可以指导我如何提取图像特征数据集(如flickr8k,…)你的dbn工具箱。

谢谢

嗨,阿拉,

谢谢你的评论。
使用单一层DBN怎么样?我认为单层DBN相当于疟疾。

谢谢,

嗨,龟田

谢谢你的这个工作,
事实上,我正在开发一个人脸识别系统和我已经有自己的特征向量。所以,我想用疟疾歧视模型你的工具箱提供这种能力吗?。我经历了你的代码,我发现它很容易理解和训练DBN,但是我怎么能只在遏制作为分类器训练?

我希望尽快收到你的来信。提前谢谢你。

嗨QINGJU刘,

这取决于应用程序。
简单,试都设置!

谢谢,

GBRBM如果你设置的模式,应该使用rbmtype (GBRBM)从第二层或应该使用BBRBM从第二层?我认为在randDBN。米,也许应该是:

因为我= 2:元素个数(dbn.rbm) - 1
% dbn。遏制{我}= randRBM (dim(我),降低(i + 1), rbmtype);
dbn。遏制{我}= randRBM (dim(我),降低(i + 1),“BBRBM”);
结束

嗨freecity弗里曼,

谢谢你的评论。
选择。层是一层的训练。如果你想训练所有层,请把0。
我已经上传新版本修改的解释。

谢谢,

你好,
在样例代码,选择。层使用但不解释。你能解释一下这个参数吗?谢谢

你好:

这取决于这个问题。但是,你可以试一试。
Pre-whitening可能帮助你。

谢谢,

我想用实际价值为深层神经网络图像。将您的代码工作实际值而不是二进制值MNIST吗?谢谢!

我希望实现wav或mp3等音频文件。如何遏制接受输入?哪些特性?

PLP或MFCC

嗨belete·博茹,

我认为这很好!
一些研究人员使用BB-RBM GB-RBM和其他人使用。
我不知道哪个是更好的。

谢谢,

感谢你的辛勤工作!你用MNIST与灰度图像数据集,但训练BBRBM,这样可以吗?我应该,我使用一个实值数据用GBRBM吗?

你好,马克斯,

pretrainRBM是一种无监督学习。pretrainRBM不需要输出。

谢谢,

龟田,你好

首先,感谢工作!

我有一些问题关于疟疾的实现。在你的“pretrainRBM示例。m”文件:

%的例子:
% datanum = 1024;
% outputnum = 16;
% inputnum = 4;
%
% inputdata =兰德(datanum inputnum);
% outputdata =兰德(datanum outputnum);
%
%组织遏制= randRBM (inputnum outputnum);
遏制%遏制= pretrainRBM inputdata);

遏制疟疾的最后输出是:

元=

类型:“BBRBM”
W:[4乘16双)
b:[1乘16双]
c:(-0.0552 - -0.0073 -0.0329 - 0.0276)

然而,没有输出数据矩阵元对象。这是否意味着我不得不权重矩阵乘以inputdata隐藏单位的输出。和2)我仍然要把输出通过一个激活函数吗?

我相当新的神经网络和深度学习所以我道歉,如果这是有点基本的问题。谢谢!

龟田,你好
非常感谢这个工作!
有可能使用的代码图像绘画?
最好的问候,
Cande

嗨Sohanjyoti莫汉蒂,

当然,您可以使用工具箱为其他数据集。

谢谢,

我可以用其他图像数据集,如MNIST这段代码呢?

嗨Masashi金子,

请谷歌操作系统和文件扩展名。

谢谢,

嗨,我知道这是非常基本的但我不能正确解压mnist文件。请告诉我你如何做的方法。谢谢。

嗨Shivani Ghatge,

我提供了一个示例代码。请检查mnist目录。

谢谢。

你好,我是新项目和工作款。这个工具箱有一些文档吗?指导我如何使用这个吗?

我是一个学生,我的工作由“卷积深层网络人脸识别”,我想知道如果任何人都可以帮我得到一些代码或任何其他类似的主题,可以方便我,或者帮我在我的工作进展

嗨,你能建议一个合理的参数值非常稀疏的输入,包括层?

嗨,穆斯林yousefi,你解决你的问题吗?我也面临着同样的问题,。

嗨Masayuiki,

谢谢你这个有用的工具。
我怎么能使用SVM的训练有素的dbn,支持向量机的输入是什么,它是存储在bbdbn W ?

很好的演讲材料。谢谢你！

嗨

谢谢你这段代码。
我可以这段代码用于语音识别
为什么! ! !
我想使用matlab与深层神经网络语音识别代码。
如何修改代码?

嗨Masayuiki

谢谢你这段代码。如果我有需要使用这段代码培训色彩数据集,如何进行已有代码。请建议我。如何修改代码?

嗨Masayuiki,
我内心挖掘你的代码和我试图关联理论与实现。在“实用指南培训限制玻耳兹曼机”,辛顿(2010),他说,为了避免改变学习速率参数相应的批量大小,学习速率除以批量大小的数量。

在文件pretrainRBM,我读你StepRatio除以num,样品的总数。这是一个错误,还是我解释辛顿错误吗?

非常感谢

嗨,龟田,

谢谢你的代码。我试着用它来音频分类。我使用MFCC特征作为输入(21700 x 13),并选择“GBDBN”。训练前的RMSE很小,但从培训惊喜高,iter = 8后,不会改变了。你能建议什么可能会出错吗?我该如何修改我的数据或matlab代码?

非常感谢,
xianxian

嗨,龟田,

如果我选择GBDBN,这是否意味着所有的层将使用GB ?如果我希望使用GB第一层,BB,我应该如何修改密码?

非常感谢,
xianxian

嗨,龟田
谢谢你的代码。

如何输入自己的数据和

输入自己的数据错误:

错误使用双
转换的双重结构是不可能的。

你好,
我无法GetDroppedDBN运行代码。米,如何把参数,它们是什么?

嗨,龟田
谢谢你的代码。
我已经修改了代码一个预测的目的。然而,同样的问题作为我的山姆正在发生。培训的结果是不像一个有前途的希望(比较简单的前馈神经网络),当我用测试数据结果几乎是常数。虽然代码编写的图像处理,我相信它可以对回归工作。对吧?我不能算出我的错误在哪里。可能是数据集的大小?我的数据集是1000 * 32输入和输出1000 * 1。Tq操作

嗨,山姆,

有可能你在学习过度拟合,试着拉回的层数和设置一个较小的数量最大的迭代。如果可能还包括更多的培训情况。你也可以增加辍学的比例从0.5

嗨Mridusmita Sharma,

输出数据的形式取决于您的应用程序。

谢谢。

嗨,山姆,

我认为演示代码只是显示使用。输入和输出是随机的。请尝试与MNIST等有意义的数据。

谢谢。

你好,
我只是想知道输入和输出应该是什么样子的吗?它与不同的特征向量类吗?你能请给一些例子。

嗨……我试着你的代码组织遏制和线性回归为顶层款……但是刺两个问题
1。微调后输出不预测任何东西只是hortizontal行(0)或0.5
2。如果预测模式在输出层模式是完全一样的目标波形输出值的范围正在缩水但如果目标范围从0到1…它preidcts模式但范围在0.5555556到0.5555557

嗨Lachie沃格特,

请使用v2h等推理

出= v2h (dbn);

谢谢。

嗨,龟田,

抱歉再次回到你的身边。
我已经添加了代码,initalize trainDBN。它以同样的错误消息回来。
但是我能够使用我的数据在testDNN训练算法。因为它是由已知的输入和输出训练我如何问它估计输出给定新的输入吗?v2h, v2hall还是别的?

你好,梁妈妈,

我的代码不支持稀疏约束。金宝app

谢谢。

谢谢你的共享代码龟田。我的问题是考虑到重量层之间也可以被视为功能,输入的稀疏表示怎么走吗?提前谢谢你的帮助。

嗨Lachie沃格特,

一个例子是
节点= [32 16 8 4];
款= randDBN(节点);

请检查testDNN.m

谢谢。

谢谢你的代码和你的时间Masayuki田中。你知道如何初始化dbn吗?我透过matlab教科书和尝试谷歌没有任何成功。我有一个好的理解与编码机器学习,但要少得多。

嗨Lachie沃格特,

你初始化dbn的吗?
请检查它。

谢谢。

你好,

我只是想火车DNB示例数据。
(dbn rmse] = trainDBN (dbn,,,选择)

错误消息“未定义的函数或变量dbn。”然后显示出来。我已经安装了工具箱命令你知道什么是错误的?

顺便说一句,我用GBDBN ....

嗨,我预测(轮)要么是0或1。任何人都有同样的问题吗?有什么建议吗?提前谢谢你的帮助。

皮

嗨皮赵,

工具箱中不包括交叉验证的代码。如果你需要,请自己实现。

谢谢你！

只是想证实,给定一个输入数据集,我们需要编写验证和测试包装器代码,即代码不提供培训和测试。那是正确的吗?

在现在看来工作当我使用压缩文件!我认为当我使用工具箱,它可能使用不同的h2v文件吗?

小松感谢您的工作!
我有一个错误当我试着pretrain击退疟疾或testDNN运行,并且我不知道如何修复它开始使用您的代码。请让我知道!
谢谢你这么多!

错误h2v(9)行
如果isempty (av) % h2v ([], main_figure varnames)

输出参数“着干活”(或者其他人)不是分配在调用“h2v”。

错误pretrainRBM(第195行)
遏制vis1 = h2v bhid0);%计算可见节点

嗨皮赵,

这个工具箱是分类的主要焦点。

谢谢你！

嗨,龟田,

请澄清如果这段代码可以分类和回归吗?

谢谢,

皮

谢谢你的这个文件。伟大的帮助。

嗨Leqi朱,

这个工具箱是监督培训。中使用的无监督训练是训练。

谢谢。

嗨,山姆,

我认为有几个方法应用时间序列数据。但是,它强烈取决于应用程序。

谢谢。

嗨KwangHun宋,

这个工具盒是有指导的训练。
谢谢。

我有另一个问题:这是工具箱用于无监督学习吗?如果是这样,为什么它需要我们提供outputdata火车?

你好,我使用你的工具箱做分类。我有10种材料4特性。和每个材料包含10个样本。当我运行演示调用v2h,估计总是在(0,1)。这是什么意思?

thanku代码。
但是我有一个questionn我可以用你的工具箱进行时间序列预测问题?

我必须输入parametrs预测天气温度从5。

你能请帮我在这吗

谢谢你的代码

啊是什么标签? ? ?
我不知道标签的意思……
只是名字? ?

谢谢你的代码

我找不到目标的内容
我想知道这个工具箱是无监督

是bbdbn训练模型? ?
然后我想知道测试是可能的

我怎么能知道测试结果?
也就是说,测试输入数据分类是什么?

我发送消息Masayuki田中
plase,检查信息

嗨,比尔,

在我实现,疟疾。团体被认为是一个给定的参数。正如你说,参数是不更新。
然而,更新GBRBM和BBRBM之间的规则是不同的。

谢谢。

嗨,龟田,

谢谢你分享你的代码。

遏制疟疾。团体已经开始的,从来没有得到更新。因此,GBRBM和BBRBM是相同的在你的实现。你能证明吗?谢谢。

kfinger

龟田田中,你好
首先,感谢你所做的工作。

我希望使用工具箱的回归。更具体地说,我的输入向量维度41和输出节点的数量我想推断是12。由于输入没有被(0,1)我用GBRBM作为输入层和一个[41 300 300 300 12]结构。

我的问题在本质上:我需要改变什么代码能够回归,而不是分类吗?

提前谢谢!

嗨,新闻,

GBRBM工具箱中有一些错误。我固定它。
请使用最新版本的DeepNeuralNetwork20150428。

谢谢。

嗨Bipul Das,

我不能得到的意义大小64 x4, 64代表数量的观察和4代表的特性。

输入数据的大小通常是(数据)x(昏暗的特性)。请检查testDNN。

谢谢。

龟田田中,你好
谢谢你的文件。我用GBRBM测试自己的数据(非图像数据)。

但是我的输出所有行具有相同价值由“如上所述。
你能提供一些通知吗?

由于Morten Kolbæk,现在我可以testDNN运行,但结果rmse是0.28,这是太高了。
在pretrainRBM,我找不到σ的更新,保持1。我真的困惑,因为在其他一些代码与iter它改变。
谁能帮我吗?
非常感谢。

请有人帮我如何添加工具吗?

我体验一样的甲杨约一个错误在第281行trainDBN修订20131024。
然而我发现错误并不是出现在修订20131204。我有“固定”的问题通过使用线从启启20131204 20131024似乎工作。这条线是
“deltaW = bsxfun (@rdivide、deltaW trainDBN.rbm {n}。团体”);

龟田,你好
谢谢你的工具箱。
然而,当我运行testDNN,它显示了“
错误trainDBN(第281行)
deltaW = bsxfun (@rdivide detaW,遏制{h}。团体”);
我怎样才能解决这个问题呢?

龟田,你好

首先谢谢你的工具箱款。这似乎是很有用的。但我面临一个问题而实现的代码。

1)我的输入数据的大小64 x4, 64代表数量的观察和4代表的特性。

但是你的代码返回的东西既不输入不输出。

所以你能帮我理解我做错的地方

嗨,龟田,
我发现你的工具箱非常有趣,但是我有两个独立的问题。

第一:如果我运行testDNN得到:
? ? ?错误使用= = > randperm
太多的输入参数。

错误= = > pretrainRBM享年172岁
p = randperm (dimV DropOutNum);

错误= = > pretrainDBN享年88岁
dbn。遏制{我}= pretrainRBM (dbn。遏制{},X,选择);

错误= = > testDNN 21岁
选择= pretrainDBN款(款);

其次,我试着写一个剧本后我的你的好帮助,但似乎不能正常工作。无论如何它总是选择一班。实际上

pretrainDBN (dbn, train_data选择);

返回一个第一层,没有学到任何东西。我的意思是无论大小的答案总是这个样子(现在3迭代只为了空间)

1:57.8774 - 0.7509
2:57.8774 - 0.7656
3:57.8774 - 0.7656
1:0.4938 - 0.4939
2:0.4846 - 0.5583
3:0.4719 - 0.6207

这看起来奇怪的神经元N autoencoder设置的N_输入。

你能帮我做这个吗?

注:这是脚本除了数据加载的部分

%设置变量
datanum =大小(train_data, 1);
outputnum =大小(train_target, 2);
inputnum =大小(train_data, 2);
hiddennum = 32;

选择。Verbose = true;
选择。马克斯Iter = 10;

dbn = randDBN([192 192年11],类型);
dbn2 = pretrainDBN (dbn, train_data选择);
dbn3 = SetLinearMapping (dbn2 train_data train_target);
dbn4 = trainDBN (dbn3 train_data train_target);

train_estimate = v2h (dbn4 train_data);
(厘米~,~,~)=混乱(train_target ', train_estimate ')
test_estimate = v2h (dbn4 test_data);
(厘米~,~,~)=混乱(test_target ', test_estimate ')

嗨,龟田,
谢谢回复,我有自己的数据集。因此,我这个代码适用于它,结果是一个优秀的,比Conv。神经网络。我想去通过实现因为结果是不可思议的,我想确保我有正确的方式实现。再次感谢分享代码。

嗨,萨勒姆,

对象检测,我认为卷积网络是更好的。但是,我希望这段代码也适用于目标检测。

谢谢。

嗨,龟田,
谢谢你分享这个工作。
是否可以使用这个代码对象检测吗?
问候,

非常感谢我固定我的问题

嗨“,

我不会对每个特定咨询问题。
如果你有任何错误,请报告。我将修复它,如果我有时间…

谢谢你！

由于龟田对你的反应。我不知道到底是错误,我可以告诉你我的输入和输出数据进行训练和测试。

培训

输入和输出我给火车

在=

0.0508 0.1028 0.2597 0.3425 0.4421 0.5450 0.6116 0.7312 0.9024 1.0000
0.0573 0.1087 0.2060 0.3443 0.4321 0.5143 0.6097 0.7396 0.8907 1.0000
0.0434 0.1066 0.2399 0.3202 0.4109 0.4947 0.6062 0.6984 0.8613 1.0000
0.0588 0.1160 0.2182 0.3529 0.4726 0.5468 0.6609 0.8125 0.9331 1.0000
0.0497 0.0869 0.2175 0.3110 0.3862 0.4690 0.5324 0.6646 0.8984 1.0000
0.0553 0.1104 0.1955 0.3246 0.4395 0.5263 0.6127 0.7208 0.8704 1.0000
0.0530 0.1022 0.2058 0.3652 0.4738 0.5564 0.6354 0.7720 0.9023 1.0000
0.0533 0.1118 0.2367 0.3263 0.4184 0.5061 0.6123 0.7301 0.8726 1.0000
0.0538 0.1179 0.2293 0.3267 0.4333 0.5230 0.6226 0.7258 0.8801 1.0000
0.0473 0.1111 0.2347 0.3560 0.4627 0.5681 0.6481 0.7799 0.9202 1.0000
0.0481 0.1091 0.1906 0.2956 0.3788 0.4684 0.5427 0.7065 0.8924 1.0000
0.0536 0.1164 0.2625 0.3452 0.4307 0.5382 0.6301 0.7400 0.8729 1.0000
0.0547 0.1109 0.2527 0.3440 0.4316 0.5300 0.6416 0.7294 0.8658 1.0000
0.0459 0.1080 0.2353 0.3129 0.4413 0.5336 0.6143 0.7321 0.8933 1.0000
0.0546 0.1018 0.2035 0.3188 0.4412 0.5370 0.6084 0.7173 0.8851 1.0000
0.0598 0.1121 0.2279 0.3452 0.4224 0.5233 0.6205 0.7327 0.8971 1.0000
0.0465 0.1062 0.2274 0.3396 0.4300 0.5292 0.6130 0.7032 0.8624 1.0000
0.0473 0.1031 0.2673 0.3637 0.4229 0.5268 0.6370 0.7149 0.8271 1.0000
0.0509 0.1024 0.1906 0.3217 0.4049 0.4952 0.5999 0.7157 0.8828 1.0000
0.0482 0.0994 0.1910 0.3368 0.4615 0.5317 0.6292 0.7473 0.8908 1.0000

了=

0.0619 0.1074 0.1986 0.2981 0.4495 0.5487 0.7022 0.8203 0.9526 1.0000
0.0495 0.1119 0.1972 0.3024 0.4619 0.5569 0.7223 0.8382 0.9456 1.0000
0.0474 0.1066 0.2208 0.3254 0.4762 0.5625 0.6883 0.7866 0.9373 1.0000
0.0609 0.1016 0.1936 0.2756 0.4321 0.5390 0.6710 0.7997 0.9176 1.0000
0.0646 0.1039 0.2133 0.3243 0.4175 0.5608 0.6469 0.7916 0.9045 1.0000
0.0585 0.1081 0.1846 0.2689 0.4416 0.5450 0.7111 0.8411 0.9702 1.0000
0.0494 0.0918 0.1798 0.3124 0.4554 0.5728 0.7282 0.8470 0.9533 1.0000
0.0597 0.1232 0.2334 0.3116 0.4309 0.5399 0.6387 0.7748 0.9233 1.0000
0.0554 0.1002 0.2053 0.3289 0.4744 0.5669 0.6879 0.8111 0.9494 1.0000
0.0473 0.1111 0.2347 0.3560 0.4627 0.5681 0.6481 0.7799 0.9202 1.0000
0.0481 0.1091 0.1906 0.2956 0.3788 0.4684 0.5427 0.7065 0.8924 1.0000
0.0536 0.1164 0.2625 0.3452 0.4307 0.5382 0.6301 0.7400 0.8729 1.0000
0.0547 0.1109 0.2527 0.3440 0.4316 0.5300 0.6416 0.7294 0.8658 1.0000
0.0459 0.1080 0.2353 0.3129 0.4413 0.5336 0.6143 0.7321 0.8933 1.0000
0.0546 0.1018 0.2035 0.3188 0.4412 0.5370 0.6084 0.7173 0.8851 1.0000
0.0598 0.1121 0.2279 0.3452 0.4224 0.5233 0.6205 0.7327 0.8971 1.0000
0.0465 0.1062 0.2274 0.3396 0.4300 0.5292 0.6130 0.7032 0.8624 1.0000
0.0473 0.1031 0.2673 0.3637 0.4229 0.5268 0.6370 0.7149 0.8271 1.0000
0.0509 0.1024 0.1906 0.3217 0.4049 0.4952 0.5999 0.7157 0.8828 1.0000
0.0482 0.0994 0.1910 0.3368 0.4615 0.5317 0.6292 0.7473 0.8908 1.0000

测试

输入、预期输出()和输出系统()

在=

0.0571 0.1051 0.2289 0.3170 0.3904 0.4603 0.5426 0.6916 0.8513 1.0000
0.0600 0.1202 0.1827 0.3124 0.4269 0.4994 0.6124 0.7648 0.8969 1.0000
0.0500 0.1038 0.2320 0.3211 0.4101 0.5151 0.6038 0.7421 0.8818 1.0000
0.0549 0.0942 0.1917 0.3012 0.3757 0.4808 0.6032 0.6957 0.8200 1.0000
0.0519 0.0993 0.1598 0.2916 0.4260 0.4866 0.5815 0.6982 0.8647 1.0000
0.0551 0.1124 0.1759 0.2736 0.3927 0.4553 0.5314 0.7169 0.8839 1.0000
0.0602 0.1062 0.2197 0.3179 0.4412 0.5577 0.6200 0.7419 0.8830 1.0000
0.0588 0.1126 0.1782 0.2953 0.3918 0.4797 0.5877 0.7279 0.8814 1.0000

了=

0.0537 0.1227 0.2162 0.3215 0.4550 0.5871 0.7132 0.8521 0.9558 1.0000
0.0633 0.1196 0.1881 0.2807 0.4691 0.5499 0.6738 0.8023 0.9324 1.0000
0.0613 0.1148 0.1805 0.2892 0.4700 0.5843 0.7635 0.8470 0.9414 1.0000
0.0653 0.1402 0.2052 0.2768 0.4669 0.5362 0.7040 0.8622 0.9405 1.0000
0.0648 0.1156 0.1807 0.2804 0.4378 0.5466 0.7169 0.8337 0.9482 1.0000
0.0593 0.1175 0.1746 0.2710 0.4707 0.5343 0.7108 0.8234 0.9452 1.0000
0.0558 0.1104 0.2144 0.3186 0.4410 0.5616 0.6886 0.7815 0.9127 1.0000
0.0594 0.1193 0.1956 0.3045 0.4722 0.5430 0.7349 0.8158 0.9345 1.0000

了=

0 0 0 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.9968
0 0 0 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.9968
0 0 0 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.9968
0 0 0 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.9968
0 0 0 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.9968
0 0 0 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.9968
0 0 0 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.9968
0 0 0 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.9968

节点信息:节点=[10]10,15日;

如果你能帮助我

嗨“,

如果你有任何错误,请报告。我将修复它,如果我有时间…

谢谢你！

嗨,龟田,
谢谢你分享这个工作,它的确是很好的。

我想火车与M * N矩阵M * N矩阵即输入和输出都是M * N矩阵,两者都是含有nos积极以及消极不浮动。

当我测试系统在一些M * N个点,所有的行有相同的值

示例的输出

0.9942 0.0001 0.9998 0.0001 0.1693 0.0026 0.2899 0.0002
0.9942 0.0001 0.9998 0.0001 0.1693 0.0026 0.2899 0.0002
0.9942 0.0001 0.9998 0.0001 0.1693 0.0026 0.2899 0.0002
0.9942 0.0001 0.9998 0.0001 0.1693 0.0026 0.2899 0.0002
0.9942 0.0001 0.9998 0.0001 0.1693 0.0026 0.2899 0.0002

这里每一行是一样的甚至我输入有不同的值,请您在这方面帮助我

嗨Omrah,

这是一个预处理问题。我认为这已经超出我的范围。但是,一个简单的方法是应用填充。
请试一试。

谢谢你！

你好,
我试着构建矩阵与款测试。但是我有一个问题;
我有向量,将从200年列1200列大小不同。每个向量代表一个手写的字的特点(5000年检)。要做什么,这样我就可以正常使用向量遏制和DBN。
MNIST它并不构成问题,因为图片都是一样的大小28 * 28日网络输入给我们784列。
我希望我找到的解决方案。
谢谢你的合作。

嗨Omrah,

我认为你可以使用我的代码和你的数据。我提供的样品MNIST手写数字。
请检查它!

谢谢你！

龟田,你好
我试着用你的代码在我的工作的研究但我有错误! ! !
这是我的问题;
提取后的特征从数据库在线手写的字。我获得的真实数据的特征向量组成的每个单词但变量的大小。我也准备股本向量代表每个单词的标签。
我可以用你的提议DBN-DNN我的数据?
谢谢

Masayuki田中,谢谢!

嗨Joewale,

你可以下载作者预印本从我的网页:

http://www.ok.ctrl.titech.ac.jp/ ~ mtanaka / publication2014.html

谢谢!

嗨Masayuki田中,我找不到你的论文“限制玻耳兹曼的小说推理机、国际会议模式识别(ICPR2014), 8月,2014年。”谷歌schoolar网站,你能寄给我的电子邮件。
另外,我想知道这个算法也适用于语音处理,如语音特征提取或音频分类。谢谢你！

嗨Giacomo,

谢谢你的评论和错误报告!
你是正确的。这是一个错误。我已经固定,更新代码。
请使用最新版本。

谢谢你！

龟田田中,嗨
首先谢谢你的工作:)。我刚刚发现一个错误在代码中。请让我知道(忽略它),如果它是不正确的。

文件:trainDBN.m
行:128129
备注说明:选择matlab结构体字段“对象”了字母“o”不大写。代码检查的对象——资本化是一个现有字段,如果这是真的,比较选择的内容。对象-不大写。这总是导致默认值OBJECTSQUARE即使你设置的字段“对象”等于“CrossEntropy”。

再次感谢你,
Giacomo

嗨,首尔,

谢谢你的评论。

我认为这取决于训练数据。

如果你发现任何现象的观察相关,请让我知道。

谢谢,

我有一个问题
遏制总是好的
有时这将不会得到反向传播工作
这是为什么呢?

例如
500元=时代:反向传播= 2000时代
节点结构(10 784 1568 1568)
iter: 1 - > traindata MSE = 0.8
iter: 2 - > MSE = 0.8
。
。
。
iter: 1000 - > MSE = 0.8

嗨,首尔,

这实际上是一个很好的问题。
BBRBM基本上是开发假设二进制输入。但是,我们可以计算实际值在0和1之间。这是一个我的ICPR 2014纸的关键。如果你有兴趣,请检查:

Masatoshi Okutomi Masayuki田中和限制玻耳兹曼的小说推理机,模式识别国际会议(ICPR2014), 2014年8月。

谢谢。

为什么把一个可见神经元识别真正的值在0和1之间BBRBM也
做得好吗?

你好安德烈折叠布,

老实说,我不能得到你想要的什么样的网络结构。但是,如果你设置[10 2]当创建一个DBN,这意味着10节点输入和2节点输出没有隐藏节点。

谢谢。

嗨,阿里,

我有testDNN运行。但是,我不能复制你提到的错误。

谢谢。

你好阿勒娜,

自述文件。txt mnist的文件夹。请检查它!

谢谢。

你能给我一个详细的自述。三种吗?我不能下载readme。非常感谢!

你好,

有一件事我不理解。假设有一个输入=[兰德(100 2)* 0.1 + 0.3;兰德(100 2)* 0.1 + 0.6)和输出= [0 (100 1),1 (100,1);(100 1),0 (100 1)];我想创建一个两层的DBM(10和2节点的顺序)。不应该比等于2[10]节点?目前,它给出了一个内心v2h矩阵误差。请帮助

你好,
感谢分享这段代码。我下载的最后版本,并试图运行testDNN推荐。我得到了这些错误:
? ? ?错误使用= = > randperm
太多的输入参数。

错误= = > pretrainRBM享年172岁
p = randperm (dimV DropOutNum);

错误= = > pretrainDBN享年88岁
dbn。遏制{我}= pretrainRBM (dbn。遏制{},X,选择);

错误= = > testDNN 21岁
选择= pretrainDBN款(款);

谢谢,
阿里

你好,你能给我这个项目的技术报告吗?

所以当我在MATLAB运行代码的龟田田中

我和实值输入样本和训练遏制二进制隐藏的单位。

所以现在我想养活一个新的输入样本的分类。

哪个文件我应该使用工具箱中的代码
calRMSE是

它给在小数也值

所以我怎么知道哪个类样本已经clasified输入

示例代码

元= randRBM (3, 3,“GBRBM”)

-0.5 V = (0.5 - 3 1; 2 0; -0.25 - -0.44 1];

遏制疟疾行动= pretrainRBM, V)

一旦我应该使用训练
-0.5 - -0.5 [0]v2hall(元)

新输入向量

嗨,田中,我用这个toolsbox GBRBM训练,而在代码h2v。米,没有高斯分布:
h = bsxfun (@times h *款。W ', dnn.sig);
V = bsxfun (@plus h,款。c);
我认为应该有一个高斯采样:normrnd (h + dnn.c dnn.sig)

你好,我只有一个问题
我用GBRBM类型遏制。

所以我给它一个训练集和训练,给遏制以W b, c,团体

当我给它一个新的输入输出应该是一个二进制向量等于legnth隐藏的神经元。因为它将分类神经元对应的输入

所以我怎么养活新输入和我的方法是正确的

感谢分享轻松使用包. .
它工作得很好。
我有一个问题,除了设置选择。麦克斯特,我还没有发现其他标准停止训练。如何决定何时停止培训?

对不起,我错了。它应该是nrbm-1

非常感谢提高我们理解这个注释代码。我有一个查询关于稀疏约束强加在遏制,我。e pretrainRBM函数。为了更新隐藏偏见根据稀疏约束,你为什么乘以2的梯度。

dsW =下手dsW +下手SparseLambda * 2.0 * bsxfun (@times, (SparseQ-mH)“svdH)”;

双边带=双边带+ SparseLambda * 2.0 * (SparseQ-mH)。* sdH;

这个不匹配任何更新方程由李等。你能详细说明吗?很多谢谢!

你好先生,我是工作在机器音译,因为我是新手DBN我想知道是否可以使用这个矩阵的代码使用一个炎热表示创建的数据。

嗨勇,

谢谢你的评论。
线性映射是一个选项。你不需要使用它。但是,培训需要的初始参数。我认为初始参数的线性映射是候选人之一。
如果你知道更好的初始参数设置,请让我知道。

谢谢。

你好,

你的代码对我来说是非常有用的。

但在理解你的代码,我想知道为什么你使用线性映射计算TrainLabels最后隐藏节点之间的权重?

使用线性映射有什么优势?

嗨,阿德尔,

谢谢你的评论和评级好!
但是,我的代码不包括稀疏遏制功能。

谢谢!

亲爱的教授。

我使用图书馆,它是非常有用的和容易使用。但当我看报纸:

“李et al,稀疏的深度信念网模型的视觉区域V2,少量的2008。”

我发现它使用稀疏的遏制。我想知道我如何能应用和在应用程序中使用稀疏遏制提到的纸。

我很感谢任何帮助或建议。

谢谢。

嗨,乌斯曼,

我认为你可以用高斯遏制而不是伯努利元。

谢谢你！

谢谢你的慷慨!

嗨,小王,

你只需要运行输出= v2h (bbdbn TestImages)标签的输出。
匹配这些“TestLabels verfy输出

你好,
我使用这个工具箱作为输入/可视语音识别功能单位。然而我的特性都是正面和负面的和大于1,1。你能帮助我,如果我可以使用负值作为可见单位或者我必须规范化o和1之间的特性。如何满足零均值和单位方差标准化自标准化使数据大于1和正常化使它松散的零均值单元方差分布。

我读过你的MNIST代码部分,有一些问题。你只是使用tranimages和trainlabels培训款但是我没有看到testimages被用来测试和计算在comarison errorate testlabels吗?我不知道款,也许我错了…

这是一个美妙的工具盒。

但是你能上传指南的文件吗?

这将是对我们更有帮助。

多谢! !

嗨Arjun,

谢谢你的错误报告!
我固定的bug和更新。请使用DeepNeuralNetwork20131204.zip

谢谢你！

似乎有一个错误在trainDBN 205行。当使用GBDBN。

它的工作原理!很棒的实现!

非常感谢龟田! ! ! !:-)

嗨西格德,

谢谢你的评论。我认为随机输入和输出等testDNN使培训结果。如果你训练MNIST数据集的例子,我相信你会得到一个合理的模型。

你可以得到MNIST数据集:
http://yann.lecun.com/exdb/mnist/

谢谢!

你好,

谢谢你提供的代码。

testDNN运行时,训练有素的净实际上并不似乎模型数据。1)v2h(款)收益率输出层(几乎)所有输入2)RMSE等于常数(有时大比!)数据的标准差。3)

…只是有点困惑,到底是怎么回事……

欢呼,
西格德

嗨前夕,

非常感谢你的评论。这是错误。我已经固定,bug。
请使用DeepNeuralNetwork20131105

再一次感谢您!

你好,

我试着运行testDNN。但我有一个错误在v2h。m线39 V的大小和款。W不匹配?这是新的bug吗?
谢谢

庄,多谢!
我有固定的,更新代码。

如果(对象= OBJECTSQUARE) ? ? ? ? ?
der = derSgm。* der;
结束

不错,不错!